1. Introducción

En este documento se presentan de manera sistemática los datos socioeconómicos de la población extranjera en el País Vasco, obtenidos a partir de las Tablas estadísticas de la Estadística de la Población de Origen Extranjero de 2023 (EPOE-2023). El análisis ha sido elaborado por Twitter:@Calcetinletal, con el objetivo de ofrecer una visión clara, comparada y metodológicamente cuidada de las diferencias entre macrorregiones de origen, evitando interpretaciones simplistas y aportando contexto tanto demográfico como económico y social.

El documento analiza más de 270 variables que abarcan áreas clave del bienestar y la integración: estructura de ingresos y ayudas sociales, precariedad y estabilidad laboral, nivel educativo, uso del idioma, situación administrativa, características del hogar, salud, arraigo comunitario y diversas dimensiones de integración social y económica. Estas variables se exploran mediante gráficos descriptivos, resúmenes estadísticos y comparaciones entre grupos de origen, siempre en relación con la población de referencia del País Vasco.

Además, se realiza un análisis multivariante para estudiar similitudes globales entre regiones de origen. Mediante técnicas exploratorias (como PCA y distancias entre perfiles) se observa qué grupos presentan patrones socioeconómicos próximos y cuáles se alejan del promedio vasco. Sobre esta base se construyen también índices sintéticos o latentes —precariedad económica, estabilidad laboral, nivel educativo, integración social, arraigo y vulnerabilidad migratoria— que permiten obtener una lectura compacta del perfil de cada grupo. Estos índices están normalizados en z-scores y actúan como una especie de “nota global” que condensa múltiples indicadores en valores comparables entre regiones.

A este análisis socioeconómico se suma la integración de los datos de delitos (detenciones e investigaciones) por áreas de origen, restringidos a hombres de 15–50 años, que es la franja donde se concentra la mayor parte de la actividad delictiva registrada. Para cada delito (hurto, robo con fuerza en las cosas, agresión sexual y lesiones) se comparan tres magnitudes: - el porcentaje de detenciones, - el porcentaje de investigaciones, - y el peso demográfico real de cada grupo en la población masculina de 15–50 años del País Vasco.

Esta comparación permite identificar desviaciones relativas respecto al peso poblacional, señalando quién está sobrerrepresentado o infrarrepresentado y en qué magnitud. Junto a ello, se calculan tasas por 100.000 habitantes y ratios respecto a los hombres españoles de 15–50 años, lo que proporciona una interpretación mucho más robusta que usar únicamente porcentajes brutos de detenciones.

A lo largo del documento se subraya que una detención no equivale a una persona, sino a un acto policial: una misma persona puede aparecer varias veces a lo largo del año. Esto es especialmente relevante porque la evidencia criminológica —incluidos estudios de concentración del delito, distribuciones de cola pesada/leyes de potencia y los datos oficiales de reincidencia penitenciaria del Ministerio del Interior— muestra que una minoría pequeña de individuos genera una parte muy significativa de los delitos detectados, mientras que la mayoría de la población apenas aparece en las estadísticas. La sobrerrepresentación de ciertos grupos en algunas categorías delictivas puede, en parte, reflejar esta distribución altamente desigual de la actividad delictiva, coherente con patrones propios de sistemas complejos urbanos.

Finalmente, el documento relaciona los índices socioeconómicos latentes (precariedad, estabilidad laboral, educación, integración, arraigo y vulnerabilidad migratoria) con las tasas de detenciones por delito, para explorar si existen patrones estructurales que ayuden a interpretar las diferencias observadas entre macrorregiones. Se incluyen gráficos por delito, análisis de correlación visual, líneas de referencia para España y representaciones comparadas de índices y tasas. Aunque el objetivo no es establecer causalidad, este enfoque permite situar las cifras de delitos dentro de un marco socioeconómico más amplio y comprender mejor la magnitud de las desviaciones observadas.

1.1 Nota metodológica

Este análisis es fundamentalmente descriptivo y comparativo, no causal. Su objetivo principal es identificar desajustes entre el peso demográfico de cada grupo y su presencia en las estadísticas policiales y judiciales (detenciones e investigaciones), y poner esos desajustes en relación con distintos indicadores socioeconómicos (precariedad, empleo, educación, integración, arraigo y vulnerabilidad migratoria).

Es importante subrayar varias limitaciones clave:

  • Detenciones ≠ personas.
    Las cifras empleadas se refieren a actos de detención o investigación, no a individuos únicos. Una misma persona puede aparecer varias veces a lo largo del periodo analizado, de modo que no existe una correspondencia 1:1 entre “número de detenciones” y “número de delincuentes”.

  • Análisis no causal.
    Las relaciones entre índices socioeconómicos y tasas de detención se interpretan en términos de correlaciones y patrones estructurales, no como pruebas de causalidad. Factores como la visibilidad policial, la concentración espacial del delito, las dinámicas de reincidencia o la propia selección de casos pueden influir de manera significativa en los resultados.

  • Desigualdad en la distribución del delito.
    La literatura criminológica muestra que el delito tiende a concentrarse en una minoría pequeña de individuos y lugares, siguiendo patrones de cola pesada (leyes de potencia / Pareto). Esto implica que una parte relevante de la actividad delictiva puede estar generada por un subconjunto muy reducido de personas o contextos, mientras que la mayoría apenas aparece en las estadísticas.

Ahora bien, dentro de este marco de cautela, los resultados empíricos que se presentan en este informe muestran algunos patrones que son claros y difíciles de atribuir al azar:

  • Para los delitos analizados (hurto, robo con fuerza en las cosas, agresión sexual y lesiones), los hombres de origen magrebí concentran una proporción muy elevada de las detenciones e investigaciones en relación con su peso demográfico, y sus tasas por 100.000 habitantes son varias veces superiores a las de los hombres españoles de 15–50 años.
  • Esta sobrerrepresentación se mantiene incluso cuando se compara con otras macrorregiones extracomunitarias con perfiles socioeconómicos similares, como Resto de África, cuyas condiciones de precariedad, integración o vulnerabilidad migratoria no difieren de manera dramática, pero cuya presencia en las estadísticas de detenciones es muy inferior.

Es decir, los factores socioeconómicos capturados por los índices latentes no bastan por sí solos para explicar la magnitud de las diferencias observadas entre Magreb y otros grupos. Esto no implica que “la causa” resida en una característica intrínseca del grupo, sino que apunta a la existencia de mecanismos adicionales (patrones específicos de asentamiento, redes delictivas organizadas, sectores económicos concretos, dinámicas policiales, estructuras familiares, historia migratoria, etc.) que no se observan directamente en esta base de datos, pero que probablemente desempeñan un papel relevante.

En resumen, los gráficos y tablas que se presentan a lo largo del informe deben entenderse como una herramienta para:

  1. Visualizar diferencias y desajustes entre población, condiciones socioeconómicas y actividad policial/judicial.
  2. Señalar que, en el caso de los delitos estudiados, la sobrerrepresentación de los hombres de origen magrebí es empíricamente muy marcada, incluso controlando de forma aproximada por contexto socioeconómico.
  3. Servir como punto de partida para análisis más profundos y modelos explicativos más ricos, evitando convertir estos resultados descriptivos en afirmaciones esencialistas sobre la “mayor criminalidad” de un grupo en términos absolutos.

2. Gráficas exploratorias de los factores socioeconómicos según región de nacimiento

2.1 Economía: ingresos, ayudas e independencia

2.2 Educación y estudios

2.3 Actividad y empleo

2.4 Idioma, origen e identificación

2.5 Situación administrativa y estancia

2.6 Hogar, familia, salud y patrimonio

2.7 Relaciones sociales, ocio e integración

2.8 Perspectivas y expectativas de futuro

2.9 Condiciones económicas y del viaje de llegada

2.10 Otros indicadores

3. Similitud entre regiones según perfil socioeconómico

3.1 Similitud entre regiones según los índices socioeconómicos latentes

Cómo interpretar los gráficos de PCA

Gráfico 1: PCA (PC1 vs PC2)

En este gráfico, cada punto representa un área de origen.
El PCA condensa toda la información de los indicadores socioeconómicos en dos ejes principales:

  • El eje PC1 es la combinación de variables que explica la mayor parte de las diferencias entre áreas.
  • El eje PC2 es la segunda combinación independiente, que explica parte adicional de la variación.

Cómo leerlo:

  • Si dos áreas están cerca en el plano (PC1, PC2), significa que tienen un perfil socioeconómico muy parecido.
  • Si están muy separadas, sus perfiles son bastante distintos.
  • Los porcentajes entre paréntesis en los ejes indican cuánta varianza total explican PC1 y PC2.

Este gráfico sirve para ver grupos naturales de áreas que se parecen entre sí en el conjunto global de indicadores.

3.2 Distancia entre regiones según su perfil de índices socioeconómicos

En este mapa se compara cada área con todas las demás a partir de su posición en el espacio PCA:

  • La diagonal negra es la comparación de cada área consigo misma (máxima similitud).
  • Cada celda fuera de la diagonal indica el grado de parecido entre dos áreas:
    • Verde oscuro – “Muy parecidas”
    • Verde/amarillo – “Bastante parecidas”
    • Amarillo – “Intermedias”
    • Naranja – “Bastante distintas”
    • Rojo – “Muy distintas”

Además:

  • Las áreas están reordenadas mediante un clustering jerárquico: las que se parecen más tienden a agruparse formando bloques verdes alrededor de la diagonal.
  • Las combinaciones de áreas que aparecen en rojo son las que tienen perfiles socioeconómicos más alejados entre sí.

En resumen, el PCA muestra cómo se distribuyen las áreas en el espacio socioeconómico y el heatmap traduce esas distancias en una escala cualitativa de similitud/diferencia entre cada par de áreas.

4. Índices sintéticos del perfil socioeconómico por región de origen

En esta sección se construyen seis índices sintéticos que resumen muchos indicadores en unos pocos ejes interpretables.
La idea es:

Los índices son:

  1. Precariedad económica
    • Alto = más vulnerabilidad económica (más desempleo, más ayudas, más deuda, más dificultad para independizarse).
  2. Estabilidad laboral
    • Alto = mejor situación de empleo (más ocupación, menos paro, empleo más estable y acorde a la formación).
  3. Nivel educativo
    • Alto = mayor nivel educativo (tanto en origen como en la CAE, menos problemas escolares).
  4. Integración social
    • Alto = más integración (más relaciones mixtas, participación social, buena valoración de autóctonos y extranjeros, buena competencia lingüística).
  5. Arraigo en la CAE
    • Alto = más arraigo (nacionalización, más años de residencia, patrimonio en el Estado, expectativas de quedarse).
  6. Vulnerabilidad migratoria
    • Alto = trayectoria migratoria más arriesgada (salidas forzadas, ilegalidad, endeudamiento alto, mala situación económica pre-migratoria).

Estos índices no son “medidas oficiales”, sino constructos latentes diseñados para condensar mucha información en pocos ejes fáciles de comparar entre áreas.

5. Comparación gráfica de los índices resumen por área de origen

A continuación se muestran, para cada índice resumen, las posiciones relativas de cada área de origen:

5.1 Interpretación de los índices resumen

Precariedad económica (alto = más vulnerable)

Valores más altos ⇒ región económicamente más vulnerable.
Incluye más desempleo, más hogares sin ingresos o con fuerte dependencia de ayudas
(RGI, pensiones no contributivas, invalidez, etc.) y peor expectativa de poder independizarse.
También recoge situaciones económicas más débiles antes de migrar y mayor uso de deuda para financiar el viaje,
así como más presencia de mala salud y personas dependientes en el hogar.

Valores bajos indican más peso del trabajo y de los ingresos propios, mayor capacidad para sostener el hogar
y menor necesidad de endeudarse o depender de prestaciones.

Resultado:

  • Magreb y Resto de África aparecen claramente como los grupos con mayor precariedad económica: concentran más dependencia de ayudas, más problemas para independizarse y más endeudamiento/vulnerabilidad.
  • Senegal también se sitúa por encima de la media del índice, aunque algo por debajo de Magreb y Resto de África.
  • Bolivia, Resto de América Latina, Rumanía y otros UE Oriental y Colombia, Ecuador, Perú están muy cerca de la media: no destacan ni como especialmente vulnerables ni como especialmente desahogados frente al conjunto.
  • Paraguay, China, Argentina/Chile/Uruguay, Brasil/Venezuela/Rep. Dominicana y la UE Occidental se sitúan por debajo de la media del índice: en comparación relativa muestran menos dependencia de prestaciones y algo más peso de los ingresos propios.

Estabilidad laboral (alto = mejor enganche al empleo)

Valores más altos ⇒ región con mejor enganche al mercado laboral.
Incluye mayor tasa de actividad y ocupación, más meses trabajados y más experiencia laboral previa,
empleos más acordes a la formación y menos inactividad o paro prolongado.

También recoge menos personas que no quieren trabajar o solo aceptan empleos irregulares,
y menos trayectorias laborales percibidas como fracaso o mal acompañadas por los servicios de empleo.

Valores bajos reflejan más paro, más inactividad, más rotación y peores condiciones o expectativas en el empleo.

Resultado:

  • Paraguay, Bolivia, la UE Occidental y China aparecen claramente por encima de la media: en estos grupos hay más gente trabajando, más meses trabajados a lo largo del año y empleos más acordes a la formación.
  • Rumanía y otros UE Oriental, Resto de América Latina y Colombia/Ecuador/Perú se sitúan cerca de la media: no destacan ni por especial estabilidad ni por especial precariedad frente al conjunto.
  • Brasil/Venezuela/Rep. Dominicana, Argentina/Chile/Uruguay, Senegal, Resto de África y, sobre todo, el Magreb aparecen por debajo de la media. El Magreb es el grupo con peor enganche al mercado laboral: más paro, más inactividad, trayectorias laborales más inestables y un alto porcentaje de personas que no quieren trabajar.

Nivel educativo (alto = mayor nivel formativo)

Valores más altos ⇒ región con mayor nivel educativo medio.
Combina el nivel educativo en origen y en la CAE (más secundarios/FP, terciarios y universitarios)
y menos personas sin estudios o solo con primarios.

También recoge menos problemas escolares (retraso, absentismo, conflictos) entre el alumnado
y una mayor proporción de personas que completan niveles medios y superiores.

Valores bajos indican menor nivel formativo y mayor concentración de dificultades en el sistema educativo.

Resultado:

  • Argentina, Chile y Uruguay aparecen claramente por encima de la media: son el grupo con mayor nivel educativo combinado (más estudios secundarios/terciarios y menos personas sin estudios).
  • La UE Occidental y Rumanía y otros UE Oriental también se sitúan bien por encima de la media, con perfiles educativos relativamente altos dentro del conjunto de regiones.
  • Paraguay, Bolivia, Brasil/Venezuela/Rep. Dominicana, China y Resto de América Latina quedan cerca de la media, algo por encima pero sin distanciarse tanto como los grupos anteriores.
  • Colombia/Ecuador/Perú se sitúan ligeramente por debajo de la media del índice educativo: no son el grupo más desfavorecido, pero sí quedan por detrás de la mayoría de regiones americanas y europeas.
  • Magreb, Resto de África y especialmente Senegal aparecen con los valores más bajos: concentran una mayor proporción de personas con niveles formativos bajos y más problemas escolares.

Integración social (alto = más integrada)

Valores más altos ⇒ región con mayor integración social.
Incluye más participación en actividades de ocio y en grupos/organizaciones (deportivas, culturales, vecinales,
sindicatos, partidos), así como mayor propensión a votar y a sentirse parte de la vida colectiva.

Recoge una mejor valoración tanto de la población autóctona como de la extranjera, y una mayor sensación subjetiva
de estar bastante o muy integrado/a.

También incorpora la competencia lingüística en castellano y el uso de castellano/bilingüismo,
y concentra menos soledad, menos experiencias de racismo, menos rechazo social y menos internamientos.

Valores bajos señalan aislamiento, baja participación, más experiencias negativas en la convivencia
y mayores barreras lingüísticas o relacionales.

Resultado:

  • La UE Occidental aparece claramente como el grupo con mayor integración: mucha participación, buen clima relacional y sensación alta de formar parte de la sociedad.
  • Argentina/Chile/Uruguay también se sitúan bastante por encima de la media, junto con Paraguay, que muestra un nivel de integración igualmente elevado.
  • Rumanía y otros UE Oriental y Brasil/Venezuela/Rep. Dominicana están algo por encima de la media: no destacan tanto como los anteriores, pero muestran un enganche razonablemente bueno.
  • Colombia/Ecuador/Perú, Bolivia y Senegal quedan muy cerca de la media: no son los grupos más integrados, pero tampoco los que presentan más problemas.
  • Resto de América Latina, Resto de África, Magreb y, sobre todo, China aparecen por debajo de la media del índice: en estos grupos hay, de media, menos participación en actividades y organizaciones, más barreras lingüísticas y más experiencias de aislamiento o discriminación.

Arraigo en la CAE (alto = más arraigo)

Valores más altos ⇒ región con mayor arraigo en la CAE.
Incluye más nacionalizaciones, más personas empadronadas desde hace muchos años o nacidas en la CAE,
y mayor tiempo medio de residencia.

También refleja un mayor peso de viviendas y bienes dentro del Estado frente a patrimonio situado fuera,
y expectativas explícitas de mantenerse en la CAE tanto a medio como a largo plazo.

Valores bajos señalan estancias más recientes o inestables, menor empadronamiento, más patrimonio fuera del Estado
y planes vitales más orientados a volver al país de origen o a no permanecer en la CAE.

Resultado:

  • Argentina/Chile/Uruguay es el grupo con mayor arraigo: muchas personas llevan más años empadronadas, han adquirido la nacionalidad y concentran más vivienda y bienes dentro del Estado.
  • La UE Occidental y China también aparecen claramente por encima de la media: son perfiles que, en conjunto, llevan más tiempo en la CAE y muestran más intención declarada de quedarse.
  • Resto de África y Rumanía y otros UE Oriental se sitúan algo por encima de la media, mientras que Paraguay y el Magreb quedan muy cerca del valor 0: indican un arraigo intermedio, ni especialmente bajo ni especialmente alto.
  • Colombia/Ecuador/Perú, Bolivia y Senegal aparecen algo por debajo de la media, señalando estancias algo más recientes o menos consolidación residencial y patrimonial.
  • Resto de América Latina y, sobre todo, Brasil/Venezuela/República Dominicana muestran el menor arraigo relativo: en estos grupos hay, de media, menos tiempo de residencia, menos nacionalizaciones y más patrimonio situado fuera.

Vulnerabilidad migratoria (alto = trayectoria más arriesgada)

Valores más altos ⇒ trayectorias migratorias más arriesgadas y vulnerables.
Incluye salidas y llegadas por vías más precarias (entrada ilegal, expulsión/deportación,
huida de conflictos o guerras), viajes realizados en solitario o sin apoyo familiar
y un uso intenso de la deuda para financiar el desplazamiento, con más deuda aún pendiente de pago.

También recoge situaciones económicas claramente insuficientes antes de migrar
(salarios o negocios que no daban para vivir dignamente).

Valores bajos corresponden a trayectorias más protegidas: reagrupación familiar,
llegada como turista o por vías ocupacionales relativamente regulares y menor dependencia
de la deuda para poder migrar.

Resultado:

  • Resto de África es el grupo con mayor vulnerabilidad migratoria: concentran más llegadas por vías arriesgadas, más endeudamiento para el viaje y más deuda aún pendiente.
  • Resto de América Latina, el Magreb y Senegal también se sitúan claramente por encima de la media: muestran trayectorias con más riesgo (más deuda, más salidas en condiciones precarias).
  • Colombia/Ecuador/Perú, Bolivia y Paraguay quedan cerca del valor 0, es decir, niveles intermedios: no destacan ni como especialmente riesgosos ni como especialmente protegidos frente al conjunto.
  • Brasil/Venezuela/República Dominicana aparece algo por debajo de la media: en promedio, sus trayectorias son algo menos endeudadas o menos ligadas a vías muy precarias que las de los grupos anteriores.
  • China, Rumanía y otros UE Oriental, la UE Occidental y, sobre todo, Argentina/Chile/Uruguay aparecen con la menor vulnerabilidad migratoria relativa: predominan más las llegadas por vías regulares,
    la reagrupación familiar o el turismo, y una menor dependencia de la deuda.

IMPORTANTE, estos valores describen patrones medios de cada origen, no las historias individuales de todas las personas que pertenecen a esos grupos.

6. Detenciones e investigaciones en el Pais Vasco en 2025 (Enero-Septiembre) por región de nacimiento

El gráfico muestra, para cada tipo de delito, la distribución porcentual de detenciones e investigaciones por área de origen, comparada con el peso de cada grupo en la población masculina de 15–50 años. Esta comparación permite observar desviaciones relativas (mayor o menor presencia policial/judicial respecto a su peso poblacional), pero no mide criminalidad individual ni una supuesta “propensión” personal al delito.

Importante: las cifras reflejan actuaciones policiales y judiciales, no condenas firmes. Un mayor porcentaje de detenciones o investigaciones puede deberse a factores estructurales (edad, situación socioeconómica, tipo de empleo, concentración urbana, intensidad del control policial, etc.), además de la propia dinámica delictiva.

6.1 Interpretación de los delitos representados

En todos los gráficos, la barra morada indica el peso de cada grupo en la población masculina de 15–50 años, mientras que las barras verde y naranja muestran su porcentaje de detenciones e investigaciones. Esta comparación permite identificar desviaciones relativas respecto al peso demográfico, sin implicar causalidad individual ni equivalencia 1:1 entre detención y persona (una misma persona puede acumular múltiples hechos).

Hurto

  • La población española supone aproximadamente el 78 % de la población masculina de 15–50 años, pero representa solo un 14 % de las detenciones y un 40 % de las investigaciones por hurto, situándose muy por debajo de su peso demográfico.
  • El Magreb destaca de forma especialmente intensa: con un 3 % de peso poblacional, concentra cerca del 76 % de las detenciones y el 44 % de las investigaciones, mostrando un patrón de sobrerrepresentación extrema.
  • Latinoamérica, Asia y Resto de África aparecen por debajo o muy próximos a su peso poblacional.
  • Europa (≈ 3 % de población) muestra valores superiores a lo esperable demográficamente (≈ 5 % de detenciones y 7 % de investigaciones).

Agresión sexual

  • Los españoles (≈ 78 % de población) representan aproximadamente el 32 % de las detenciones y el 47 % de las investigaciones, de nuevo por debajo de su peso poblacional.
  • El Magreb aparece significativamente sobrerrepresentado (≈ 29 % de las detenciones y ≈ 14 % de las investigaciones con solo ≈ 3 % de población).
  • Latinoamérica también muestra desviaciones claras: con alrededor del 10 % de población, concentra cerca del 28 % de las detenciones y el 27 % de las investigaciones.
  • Europa, Asia y Resto de África presentan porcentajes bajos y próximos a lo esperable por población.

Lesiones

  • Aunque la población española (≈ 78 %) continúa infrarepresentada, las diferencias son menores: 29 % de detenciones y 53 % de investigaciones.
  • El Magreb vuelve a mostrar una sobrerrepresentación marcada (≈ 29 % de detenciones y 21 % de investigaciones, frente al 3 % de población).
  • Latinoamérica presenta también una sobrerrepresentación moderada (≈ 22 % de detenciones y 16 % de investigaciones, con ≈ 10 % de población).
  • Europa, Asia y Resto de África muestran valores bajos y relativamente acordes a su peso demográfico.

Robo con fuerza en las cosas

  • Los españoles (≈ 78 % de población) aparecen claramente infrarepresentados: 29 % de detenciones y 47 % de investigaciones.
  • El Magreb muestra una sobrerrepresentación muy intensa: con ≈ 3 % de población, concentra alrededor del 57 % de las detenciones y el 40 % de las investigaciones.
  • Europa presenta una ligera sobrerrepresentación en investigaciones.
  • Latinoamérica, Asia y Resto de África muestran valores reducidos, cercanos o inferiores a su peso demográfico.

En conjunto, los gráficos muestran que las desviaciones respecto al peso poblacional no afectan por igual a todos los grupos ni a todos los delitos. Las diferencias son especialmente intensas en delitos patrimoniales, y se concentran de forma muy clara en el Magreb, mientras que otros grupos extranjeros (como Resto de África o Asia) presentan valores bajos y cercanos a lo esperable.

=========================================================

7. Relación entre índices latentes y delitos

=========================================================

Los datos que utilizamos en este informe proceden de dos fuentes distintas:

  • Por un lado, la encuesta socioeconómica, donde las personas se agrupan en áreas de origen relativamente específicas
    (por ejemplo: “Argentina, Chile, Uruguay”, “Magreb”, “Resto de África”, “China”, “Rumanía y otros UE Oriental”, etc.).
  • Por otro lado, las estadísticas de delitos, donde la información se publica en bloques mucho más agregados
    (por ejemplo: ASIA, EUROPA, LATINOAMÉRICA, MAGREB, RESTO AFRICA, además de Españoles).

Para poder relacionar los índices socioeconómicos con las tasas y ratios de detención, es necesario llevar ambos mundos al mismo nivel de agregación. Por eso, en esta sección:

  1. Reagrupamos las áreas de origen detalladas de la encuesta en 5 macrorregiones que coinciden con las categorías usadas en las tablas de delitos:

    • ASIA
      • China
    • EUROPA
      • UE Occidental
      • Rumanía y otros UE Oriental
    • LATINOAMÉRICA
      • Argentina, Chile, Uruguay
      • Bolivia
      • Brasil, Venezuela, República Dominicana
      • Colombia, Ecuador, Perú
      • Paraguay
      • Resto América Latina
    • MAGREB
      • Magreb
    • RESTO AFRICA
      • Resto de África
      • Senegal

  2. Para cada macrorregión calculamos una media ponderada de cada índice resumen
    (precariedad económica, estabilidad laboral, nivel educativo, integración social, arraigo, vulnerabilidad migratoria). Es decir, el valor de cada índice para ASIA, EUROPA, etc., es la media de las áreas de origen detalladas que pertenecen a ese bloque, ponderada por la población masculina de 15–50 años de cada área (a mayor población en 15–50, mayor peso en el índice de la macrorregión).

  3. Añadimos una fila específica para “Españoles” con valor 0 en todos los índices. Esto no implica que la población española sea “neutral” en un sentido absoluto, sino que:

    • Sirve como punto de referencia (baseline) para las tasas y ratios de detención.
    • Permite interpretar los índices de las macrorregiones extranjeras en términos de “más” o “menos” desventaja relativa respecto a ese perfil promedio.

  4. En los análisis donde modelizamos o correlacionamos índices y delitos,
    España se utiliza como referencia en las tasas y ratios,
    pero los índices socioeconómicos se calculan y analizan solo para las macrorregiones de origen inmigrante.

Esta elección tiene ventajas y limitaciones:

  • Ventaja: permite comparar, de forma coherente, el “nivel medio” de desventaja socioeconómica de cada gran grupo (ASIA, EUROPA, LATINOAMÉRICA, MAGREB, RESTO AFRICA) con sus tasas y ratios de detención en distintos tipos de delito.
  • Limitación: al agrupar orígenes muy distintos dentro de una misma macrorregión,
    se pierde información sobre la heterogeneidad interna (por ejemplo, diferencias entre países concretos dentro de “Resto América Latina” o “Resto de África”).
    Por tanto, los resultados deben interpretarse como patrones medios aproximados, no como descripciones precisas de cada nacionalidad individual.

7.1 Desventaja socioeconómica y tasas de detención por tipo de delito

En la figura “Desventaja socioeconómica y tasas de detención” se representan, para cada tipo de delito analizado, las tasas de detención por macrorregión de origen de los hombres de 15–50 años.

  • Cada punto es una macrorregión: ASIA, EUROPA, LATINOAMÉRICA, MAGREB y RESTO AFRICA.
  • El eje X muestra el índice global de desventaja socioeconómica
    (combinación estandarizada de precariedad económica, inestabilidad laboral, bajo nivel educativo, baja integración social, menor arraigo y alta vulnerabilidad migratoria).
    Valores más altos ⇒ perfil medio más desfavorecido.
  • El eje Y muestra la tasa de detención por 100.000 hombres de 15–50 años para ese tipo de delito:
    • Hurtos
    • Agresiones sexuales
    • Lesiones
    • Robos con fuerza en las cosas

Cómo leer la figura

  • Dentro de cada panel, una nube ascendente (puntos que se mueven hacia arriba al ir a la derecha) sugiere que las macrorregiones con mayor desventaja socioeconómica tienden a tener tasas más altas de detención en ese delito.
  • En todos los paneles, el Magreb destaca por tener unas tasas mucho mayores aunque su perfil socioeconómico sea muy similar al del Resto de Africa, la cual destaca por tener unas tasas delictivas más bajas (a priori) de lo que se esperaría con sus indices soecioeconómicos.
  • LATINOAMÉRICA se sitúa en posiciones intermedias, mientras que ASIA y EUROPA aparecen con índices de desventaja más bajos y tasas de detención sensiblemente menores.

La figura no pretende ajustar un modelo formal, sino visualizar el alineamiento general entre “desventaja socioeconómica media” y “nivel de detención” por tipo de delito.

Limitaciones de esta lectura

  • El análisis se realiza sobre solo 5 macrorregiones, por lo que cualquier patrón es estadísticamente muy inestable y puede estar dominado por uno o dos puntos extremos. Por ello, la figura debe interpretarse como exploratoria
  • Se trata de un análisis ecológico: los índices y las tasas son medias de grupo, no de personas. No se puede concluir que una persona con cierto perfil vaya a delinquir más o menos; solo se describen diferencias entre grupos.

7.2 Relación entre los indices de nivel soecioeconómico y los distintos tipos de delito por macrorregión

Cómo leer la figura

En estos gráficos, cada punto representa una macrorregión de origen (ASIA, EUROPA, LATINOAMÉRICA, MAGREB, RESTO AFRICA):

  • En el eje X se muestra el valor de un índice socioeconómico (z-score):
    • 0 = media de las macrorregiones.
    • Valores > 0 indican que esa macrorregión está por encima de la media en ese índice (por ejemplo, más precariedad económica si el índice es de precariedad; más estabilidad si el índice es de estabilidad).
    • Valores < 0 indican que está por debajo de la media en ese índice.
  • En el eje Y se muestra el tasa de detenciones de ese delito concreto respecto a los hombres españoles de 15–50 años:
    • 1 = mismo nivel que los españoles.
    • Valores > 1 = más detenciones por 100.000 habitantes que los españoles.
    • Valores < 1 = menos detenciones por 100.000 habitantes que los españoles.
  • La línea horizontal en y = 1 marca el nivel de los españoles.
  • La línea vertical en x = 0 marca el valor medio de las macrorregiones en cada índice.
  • Cada panel corresponde a un índice distinto (precariedad económica, estabilidad laboral, nivel educativo, integración social, arraigo, vulnerabilidad migratoria).

En conjunto, estos gráficos permiten ver si las macrorregiones con perfiles socioeconómicos más desfavorables (aparecen a la derecha en algunos índices, por ejemplo más precariedad) tienden también a tener ratios de detención más altos (en la parte superior del gráfico) para cada tipo de delito.

Limitaciones de esta lectura

  • El análisis se basa solo en 5 macrorregiones, por lo que cualquier patrón debe interpretarse como descriptivo y exploratorio, no como una prueba causal.
  • Los índices resumen condensan mucha información en una sola puntuación: pueden ocultar diferencias internas dentro de cada macrorregión (heterogeneidad interna).
  • Los delitos considerados son únicamente cuatro tipos y solo para hombres de 15–50 años (la que más delitos comete).

Por tanto, estos gráficos ayudan a visualizar la coherencia (o desajuste) entre el nivel de desventaja socioeconómica y los niveles relativos de detenciones por tipo de delito, pero deben leerse siempre como un análisis descriptivo, no como una estimación del “riesgo intrínseco” de delinquir de cada población.

8. Distribución desigual del delito y leyes de potencia

La evidencia criminológica muestra de forma bastante consistente que el delito no se reparte de manera homogénea entre personas ni lugares, sino que presenta una concentración muy acusada: la mayoría de las personas no comete delitos o comete muy pocos, mientras que una minoría relativamente pequeña acumula un número muy elevado de hechos. En términos estadísticos, este patrón se describe a menudo como una distribución con cola pesada (fat-tail), próxima a una ley de potencia o a una distribución de tipo Pareto.

En el plano individual, los estudios clásicos sobre carreras delictivas (por ejemplo, el célebre estudio de cohortes de Filadelfia de Wolfgang, Figlio y Sellin) ya mostraban que un pequeño porcentaje de infractores era responsable de una proporción muy elevada de los delitos registrados en la cohorte (Wolfgang, Figlio & Sellin, 1972). Evidencia más reciente confirma este tipo de patrón en distintos contextos: por ejemplo, Morgan et al. (2025) analizan la conducta infractora dentro de prisión y muestran que aproximadamente el 20 % de los internos genera en torno al 90 % de las infracciones disciplinarias, aplicando explícitamente el principio de Pareto a la dinámica delictiva intramuros (Morgan, Long, Logan & Benton, 2025). De forma similar, Ceccato (2024) revisa estudios en sistemas de transporte donde alrededor de un 20–25 % de los infractores concentra entre el 70–80 % de los incidentes, y un porcentaje aún menor es responsable de la mitad del daño registrado (Ceccato, 2024).

En el plano espacial, la llamada “ley de la concentración del delito en el lugar” formulada por Weisburd (2015) establece que, para una medida de delito y una unidad microgeográfica concretas (por ejemplo, segmentos de calle), alrededor del 50 % de los hechos tiende a concentrarse de forma sistemática en un 2–6 % de los segmentos de calle, y que este patrón es notablemente estable en el tiempo (Weisburd, 2015). Trabajos posteriores han replicado y matizado este resultado en distintas ciudades y países, confirmando que el delito se concentra de forma muy intensa en un número muy reducido de micro‐lugares.

Desde la perspectiva de los sistemas complejos urbanos, Oliveira, Bastos-Filho y Menezes (2017) muestran que la distribución del número de delitos entre regiones de una ciudad (definidas de manera que tengan igual población) se puede aproximar por una distribución tipo ley de potencia \(p(x) \propto x^{-\alpha}\), donde el exponente \(\alpha\) depende del tipo de delito. Analizando datos desagregados de 25 áreas urbanas de EE. UU. y Reino Unido, los autores encuentran que la concentración del delito es un rasgo robusto que no desaparece al cambiar de ciudad ni de contexto, y que los distintos tipos de delito presentan niveles de concentración distintos pero siempre muy alejados de una distribución uniforme (Oliveira, Bastos-Filho & Menezes, 2017).

En conjunto, esta literatura apunta a que tanto a nivel de personas (ofensores “crónicos” o “prolíficos”) como de lugares (puntos calientes o hot spots), el delito sigue una estructura fuertemente asimétrica, compatible con distribuciones de cola pesada o leyes de potencia. Para el caso que nos ocupa, esto implica que los datos de detenciones no deben interpretarse como si cada detención correspondiera a una persona distinta, sino como la superposición de muchos individuos que aparecen una sola vez en las estadísticas y un subconjunto mucho más pequeño de infractores que acumulan un número desproporcionado de detenciones. Esta lógica es coherente con la idea de que “unas pocas personas generan muchos delitos” y “unos pocos lugares concentran muchos hechos”, y refuerza la necesidad de ser prudentes al equiparar el número de detenciones con el número de “delincuentes” en un sentido 1:1.

En el contexto español, los datos oficiales de reincidencia penitenciaria van en la misma dirección, aunque se centran únicamente en quienes llegan a cumplir pena de prisión. El Estudio de reincidencia penitenciaria 2009–2019 del Ministerio del Interior analiza una cohorte de 19.909 personas excarceladas en 2009 tras cumplir una condena privativa de libertad (excepto Cataluña) y realiza un seguimiento de diez años: el 19,98 % vuelve a ingresar en prisión por nuevos delitos cometidos después de la excarcelación, y algo más de la mitad de estos reingresos se concentra en los tres primeros años (Secretaría General de Instituciones Penitenciarias, 2022). El estudio muestra además diferencias muy marcadas por sexo, nacionalidad y modalidad de excarcelación (por ejemplo, tasas más altas entre hombres, personas españolas y quienes salieron en libertad definitiva frente a quienes pasaron por libertad condicional). Aunque se trata de reincidencia penitenciaria y no de reincidencia penal en sentido amplio, los resultados refuerzan la idea de que una parte de las personas que han pasado por el sistema penal concentra un volumen elevado de contactos posteriores con el sistema, mientras que otra parte no vuelve a aparecer en los registros.

Para el caso que nos ocupa, esto implica que los datos de detenciones no deben interpretarse como si cada detención correspondiera a una persona distinta, sino como la superposición de muchos individuos que aparecen una sola vez en las estadísticas y un subconjunto mucho más pequeño de infractores que acumulan un número desproporcionado de detenciones. Esta lógica es coherente con la idea de que “unas pocas personas generan muchos delitos” y “unos pocos lugares concentran muchos hechos”, y refuerza la necesidad de ser prudentes al equiparar el número de detenciones con el número de “delincuentes” en un sentido 1:1.

Referencias

  • Ceccato, V. (2024). Systems Thinking for Sustainable Crime Prevention. Estocolmo: KTH Royal Institute of Technology.
  • Morgan, M. A., Long, J. S., Logan, M. W., & Benton, F. (2025). Pareto in prison. Behavioral Sciences & the Law, 43(3), 299–315. https://doi.org/10.1002/bsl.2716
  • Oliveira, M., Bastos-Filho, C., & Menezes, R. (2017). The scaling of crime concentration in cities. PLOS ONE, 12(8), e0183110. https://doi.org/10.1371/journal.pone.0183110
  • Weisburd, D. (2015). The law of crime concentration at place and the criminology of place. Criminology, 53(2), 133–157. https://doi.org/10.1111/1745-9125.12070
  • Wolfgang, M. E., Figlio, R. M., & Sellin, T. (1972). Delinquency in a Birth Cohort. Chicago: University of Chicago Press.

9. Conclusiones

El análisis conjunto de los datos socioeconómicos y de las estadísticas de detenciones e investigaciones permite extraer varias conclusiones claras:

  1. La población extranjera no es un bloque homogéneo.
    Las macrorregiones de origen presentan perfiles socioeconómicos muy distintos entre sí en términos de ingresos, estabilidad laboral, nivel educativo, integración social, arraigo y vulnerabilidad migratoria. En este sentido, hablar de “inmigrantes” en general oculta una heterogeneidad muy relevante.

  2. Los índices socioeconómicos captan diferencias estructurales, pero no lo explican todo.
    Aunque los índices latentes (precariedad, empleo, educación, integración, arraigo y vulnerabilidad migratoria) permiten identificar desigualdades claras entre grupos, estas diferencias por sí solas no bastan para explicar la magnitud de las brechas observadas en las tasas de detención en varios delitos. La correlación existe, pero no es suficiente para dar cuenta de los patrones más extremos.

  3. Los hombres españoles siguen siendo mayoría social, pero minoría en muchos delitos patrimoniales.
    Aunque representan alrededor del 78 % de los hombres de 15–50 años en Euskadi, su peso en detenciones por hurto y robo con fuerza es muy inferior a su peso demográfico, lo que señala una infrarepresentación relativa en estos delitos.

  4. La sobrerrepresentación de los hombres de origen magrebí es muy intensa y consistente.
    Para los delitos analizados (hurto, robo con fuerza en las cosas, agresión sexual y lesiones), los hombres de origen magrebí concentran una proporción muy elevada de detenciones e investigaciones, con tasas por 100.000 habitantes muy superiores a las de los hombres españoles de 15–50 años.
    Este patrón no se explica únicamente por factores socioeconómicos. Es cierto que la precariedad laboral es mayor en los magrebíes pero grupos con perfiles de precariedad similares, como Resto de África, presentan tasas muy inferiores. Esto sugiere la presencia de mecanismos adicionales no capturados por los índices disponibles.

  5. El delito está fuertemente concentrado en pocos individuos y contextos.
    La literatura criminológica muestra que la distribución del delito sigue una estructura de cola pesada: una minoría pequeña genera una proporción muy elevada de los hechos. En este contexto, las estadísticas de detenciones reflejan eventos, no “número de delincuentes” únicos. Es razonable pensar que parte de la sobrerrepresentación observada responde a la actividad de un subconjunto reducido de personas muy activas en determinados delitos y entornos.

  6. No podemos saber exactamente qué porcentaje de cada población es “problemática”, pero sí podemos acotarlo.
    Debido a que las detenciones no distinguen individuos únicos y pueden incluir múltiples eventos por persona, no es posible estimar con precisión cuántos individuos generan los valores observados.
    Sin embargo, considerando alguno de los factores soecioeconómicos en concreto se podría acotar. Este informe no cuantifica ese porcentaje —ni lo pretende—, pero sí acota el problema: los valores observados solo pueden surgir de un subconjunto reducido con actividad muy intensa, coherente con lo descrito en la criminología comparada.

  7. Interpretación abierta.
    Este documento es deliberadamente descriptivo: ofrece datos, patrones y comparaciones, pero no impone explicaciones cerradas. La interpretación fina —causas, mecanismos, hipótesis alternativas— queda abierta para quien desee profundizar en este extenso análisis descriptivo y contrastarlo con evidencia adicional (territorial, longitudinal, cualitativa o policial).

  8. Implicaciones generales.

    • Las políticas públicas deben evitar tanto la negación de los datos como las conclusiones esencialistas sobre colectivos enteros.
    • Los resultados sugieren que las diferencias observadas responden a dinámicas específicas, concentradas y no universales dentro de cada grupo.
    • Son necesarios análisis complementarios basados en microterritorios, historia migratoria, redes específicas, oportunidades delictivas y datos longitudinales para avanzar hacia interpretaciones causales más sólidas.

En resumen, este informe muestra que: - no todos los grupos presentan el mismo grado de sobrerrepresentación,
- las diferencias no pueden explicarse solo por precariedad socioeconómica,
- las tasas extremas implican actividad muy concentrada,
y que interpretar dichos patrones requiere un análisis más profundo que el que permiten los datos agregados aquí presentados.